详情

原文传递基于自然驾驶数据的换道行为辨识与安全风险评价方法研究

论文题名：	基于自然驾驶数据的换道行为辨识与安全风险评价方法研究
关键词：	自然驾驶;换道行为;状态辨识;安全风险评价
摘要：	换道行为是交通流中最主要的驾驶行为之一,也是引发交通事故和交通拥堵的重要原因之一。根据道路交通事故数据统计发现，变更车道所导致的事故伤亡程度在各种驾驶行为中位居前列。为改善驾驶人换道过程中的行车安全性，完善主动安全技术，本文对驾驶人换道行为辨识及换道安全风险评价方法展开研究。基于自然驾驶数据对换道过程中车辆运行状态数据以及周边环境状态数据等进行分析，确定驾驶人换道意图表征指标并制定换道安全风险评价等级，提出了基于数据驱动的换道行为辨识及换道安全风险评价方法。本文的主要研究内容如下：　　首先，利用加装毫米波雷达以及摄像头等数据采集设备的乘用车辆，采集驾驶人在真实交通环境下的驾驶数据，通过对数据进行筛选和预处理，得到430个换道行为事件作为换道行为数据集，为后文研究提供数据支撑。　　随后，基于自然驾驶数据对城市道路换道行为进行分析，初步确定驾驶人换道意图表征指标以及换道安全风险评价等级划分标准。通过分析车辆运行状态参数以及交通环境状态参数在车道保持阶段以及换道意图阶段的变化规律，初步确定驾驶人换道意图表征指标；基于时间度量指标和距离度量指标对换道安全风险进行分析，同时从自然驾驶数据中筛选出接近碰撞（Near-crash）事件来代替真实换道事故，建立换道安全风险混合评价指标并制定适用于城市道路交通环境的换道安全风险等级划分标准。　　接着，基于自然驾驶数据以及换道行为特性分析结果开展换道行为辨识方法研究。基于LARS-Lasso算法筛选出与驾驶人换道意图相关性高的表征指标，然后将筛选后的数据集代入SVM（Support Vector Machine）模型进行训练，得到换道意图识别模型；结合换道意图识别模型结果及车道偏移量变化率，构建基于逻辑回归算法的换道行为判别模型，利用混淆矩阵、ROC（Receiver Operating Characteristic）曲线验证了模型的有效性；基于长短期记忆网络（Long Short-Term Memory，LSTM）算法分别构建横向轨迹预测模型以及纵向轨迹预测模型，进而得到车辆的预测换道轨迹。　　然后，综合考虑换道安全风险分析结果、换道行为判别模型以及换道轨迹预测模型，构建换道安全风险评价模型。基于换道安全风险分析结果以及换道行为辨识方法中相关模型指标，筛选出换道安全风险评价相关表征指标，利用PCA（Principal Component Analysis）及RF（Random Forest）组合算法构建换道安全风险评价模型，采用对比验证以及交叉验证等方法对模型性能进行验证。　　最后，利用自然驾驶数据构建换道行为测试数据集，提取未用于模型训练的换道行为样本对换道安全风险评价模型进行实例验证，证明了换道安全风险评价模型的有效性和实用性。
作者：	王涛
专业：	交通运输规划与管理
导师：	徐良杰
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2021